One-Shot Refiner：通过一步扩散增强前馈新视角合成
计算机视觉与模式识别
2026-01-21 v1
摘要
我们提出了一种从稀疏图像进行高保真新视角合成（NVS）的新颖框架，解决了近期基于视觉 Transformer（ViT）骨干的前馈 3D 高斯泼溅（3DGS）方法的关键局限性。虽然基于 ViT 的流程提供了强大的几何先验，但它们常常因计算成本而受限于低分辨率输入。此外，现有的生成增强方法往往是 3D 无关的，导致跨视角的结构不一致，尤其是在未见区域。为了克服这些挑战，我们设计了一个双域细节感知模块，该模块能够处理高分辨率图像而不受 ViT 骨干的限制，并赋予高斯额外的特征以存储高频细节。我们开发了一个特征引导的扩散网络，它可以在恢复过程中保留高频细节。我们引入了一种统一的训练策略，能够联合优化基于 ViT 的几何骨干和基于扩散的细化模块。实验表明，我们的方法可以在多个数据集上保持优越的生成质量。
引用
@article{arxiv.2601.14161,
title = {One-Shot Refiner: Boosting Feed-forward Novel View Synthesis via One-Step Diffusion},
author = {Yitong Dong and Qi Zhang and Minchao Jiang and Zhiqiang Wu and Qingnan Fan and Ying Feng and Huaqi Zhang and Hujun Bao and Guofeng Zhang},
journal= {arXiv preprint arXiv:2601.14161},
year = {2026}
}